医学统计学 临床随访研究及分析.ppt

1、a，1，临床随访研究和分析，生存分析(survivalanalysis )，a，2，实际问题，观察和比较两组肾移植患者手术后的生存时间和结果，本研究除了考虑随访的结果(生存或死亡)，还应该考虑随访的“生存时间”， 即使结果相同，结果速度不同的两组之间有差异的跟进研究过程中，被研究者不访问，因其他疾病死亡，由于研究经费和时间的限制，所有被观察者都等待结果后停止试验是不可能的，这一现象是最终(censoring )和最终检查和最终数据提供的信息是不完全的，但是是否考虑这样的数据是信息的损失，a，3生存分析是将事件的结果(终点事件)和该结果出现的时间组合来分析的统计分析方法生存分析与其他多因素分析不

2、同的主要差异在于生存分析考虑了每次观测的结束时间的长度。 首先，a、4、4.1生存分析的基本概念，4.1.1生存时间(survivaltime，failuretime )的结束事件和开始事件之间的时间间隔。 终点事件是研究者关心的特定结局。 开始事件是反映研究对象生存过程的开始特征的事件。 a，5，以生存时间为例，服用开始事件的结束事件药，在痊愈的手术中切除死亡感染的化疗缓解复发，a，6，结束事件和开始事件相对是以研究目的决定的，设计时明确规定，在研究期间必须严格遵守，随意改变a，7，7，4.1.2观察结果(outcome )，观察结果是指我们感兴趣的目标事件在生存分析中为1，否则为0，a，8

3、，8，4.1.3生存时间的类型，1 .完全数据(completedata 结果事件发生的2 .切片数据(缺失数据、censoreddata )从起点到切片点的经过时间。 最后原因：失去访问，因其他疾病死亡，观察结束时患者还活着等。 调查了a、9，如某肿瘤医院在1991年至1995年间接受手术治疗的大肠癌患者150例，调查了影响大肠癌术后生存时间的因素，如性别、年龄、组织学分类、肿瘤大小、DureS分期等。 跟进期限为2000年12月30日，跟进记录请参照下表。 a、10大肠癌患者随访编号性别、年龄、手术日随访结束日随访结果生存时间(天) 1男451991.05.201995.06.04死亡14

4、762男501992.01.121998.08.25死亡24173女361991.10.241994.03.18访问876男5252994.11.022000.12.12 女601993.12.051996.08.16为其他985，a，11，生存时间，生存时间的测定单位为年、月、日、时间等。 常用符号t表示末尾的数据在右上角显示为“”。 生存资料的主要特征：包括切片数据。 尾巴数据的特征：真正的生存时间未知，只知道比观察到的尾巴生存时间长。 生存时间的分布一般不是正态分布。 a，12，例15.5102名黑色素瘤患者的生存时间(月)，a，13，102名黑色素瘤患者的生存时间的度数分布，a，14，

5、4.2的常用观察指标及其估计，半数的生存时间(mediansuvivivalime )有50个个体生存， 50个个体死亡的时间102名黑色素瘤患者的中位生存时间为M7.4(月)的a，15，死亡概率(deadprobability )，死亡概率是指在某个时间段受试者死亡的可能性，记为q . a、16、生存概率(survivalprobability )、生存概率是指在某个时间段被实验者生存的可能性，记载p和观察时间的关系处于相同的时间段。 p=1-q，a，17，某医院泌尿外科在1979-1982年间做了19例肾移植手术，预计知道肾移植后患者的生存时间(天)。 将访问开始时间定为患者术后一天，死亡

6、事件导致患者因肾移植相关的各种原因死亡。改善术后手术方式，1983年至1986年建立14例。 资料如下。 a，18，一般手术组患者，20天前死亡的3人，还活着16人。 因为20日有2人死亡，20日的死亡概率为2/16=0.125，生存概率为1-0.125=0.875。 64天前死亡的9人，还有10人生存，64日失去访问的1人，死亡1人，64日的死亡概率为1/10=0.1，生存概率为0.9。 截止到135天，死亡的有10人，失去访问的有1人，确认生存的还有8人。 因为135日有一人死亡，所以135日的死亡概率为1/8=0.125，生存概率为0.875，a，19，生存函数或累计生存概率为观察对象t

7、单位时间在a、20、102名黑色素瘤患者中，生存时间不到12个月的有69人，12个月以上的有33人，因此其一年生存率如下。 由于生存人数因时间而异，生存率因时间而异，a、21，例中生存率与生存概率不同，生存概率是单一时间段的结果，生存率实质上是累积生存概率(cumulativeprobabilityofsurvival )，是多时间段的累积结果。 例如，3年生存率有可能在第一年生存，在第二年生存，在第三年生存。 a，22，生存曲线(survivalcurve )是以观察(跟踪)时间为横轴，以生存率为纵，连接各时刻对应的生存率的图表。 生存曲线是下降的曲线，分析时要注意曲线的高度和下降的梯度。

8、缓慢的生存曲线表示高生存率或长生存期间，陡峭的生存曲线表示低生存率或短生存期间。 a，23，生存率，图15.8102名黑色素瘤患者的生存率(KaPLan-meier )估计，a，24，因为这个方法是kalan和Meier在1958年最初提出的，也称为kalan-meier法，利用条件概率乘法原理，生成生存率，即积估计一般手术组的生存概率和生存率计算如下表，a、25、a、26、图15.9两组手术方式生存概率(Kaplan-Meier )曲线，a、27，生存率标准错误，用Greenwood法估计，nj是时刻tj的期初观察人数，dj是tj时刻的死亡人数，dj是tj时刻的死亡人数也就是说，100(1-

9、 )置信区间是：a，29，例如20天的生存率是S(t=20)=0.7368，基准误差是：95的置信区间是：0. 73681.960.0101=(0.7170，0.7566 )，a，30，生存曲线检定统计量为凯方。 自由度=组数-1。 P0.05，两组或多组生存曲线不同。 P0.05、两组或多组生存曲线差异无统计学意义。 a、31、例15.7比较了例15.2两种手术方式肾移植患者的生存过程，建立了检查假设： h0:2组肾移植患者的生存过程相同，h1:2组肾移植患者的生存过程不同。=0.05。 分级计算各组在各观察时间的期初病例数计算各组在各观察时间的理论死亡人数、a、32、观察时间为3时，各组在

10、各组各时刻的期初生存人数和死亡人数4个表，各组的理论死亡人数的计算与4个表的理论死亡人数的计算相同，a、33、a、34、 各组理论死亡总数与实际死亡总数比较，=组数1，P0.0105，两组的生存过程存在差异。 改善手术组比一般手术组患者生存率大，简称a、35、第四节Cox比例风险回归模型、coxsproportionalhazadsregressionmodel )、Cox回归模型。 该模型由英国统计学家D.R.Cox于1972年提出，主要用于肿瘤和其他慢性病的预后分析，也用于矩阵研究的病因探索。 其优点：多因素分析方法利用切片数据、a、36、一、Cox模型的基本形式、h(t，X)t时间风险函

11、数、风险率或瞬时死亡率(hazardfunction )，而不考虑生存时间分布。 h0(t )基准风险函数，即将所有变量设为0时的t时刻风险函数。 X1、X2、Xp协变量、影响因素、预后因素。 1、2、p回归系数。其中，a、37、和说明出现在个体处于危险因素(x1、x2、xm )和个体处于危险因素(x1、x2、xm )的状态中的相对危险度(RR )。 如果a、38、0、RR1、说明变量x增加，危险率就增加，也就是说x是危险因素。 0、RR1表明当变量x增加时，危险率下降，即x为保护因素。=0，RR=1，变量x增加时，危险率不变，即说明x是与危险无关的要素。a、39、2、参数估计和假设检验，(1

12、)参数估计最大似然法(2)假设检验似然比检验(scoretest)Wald检验，a、40、3、因子筛选和最小Forward向后去除法(后退法) Backward逐次导入剔除法(逐次法) Stepwise，a，41，检定水平的初步、探索性的研究，或者变量少的情况下，设定为0.10。 设计严密实证的研究，或者变量数多的情况下，取0.05或0.01。 检查水平包括导入的检查水平和排除的检查水平。 一般来说，导入除外。 a，42，分析结果(结果解释)，与生存相关的要素的作用的大小和方向：保护要素是危险要素，相对危险度的大小。 元素的作用大小排序：标准化回归系数的绝对值。 a，43，分析结果(结果解释)

13、，个体预后指数和预后组：预后指数(prognosticindex，PI)=预后指数越小，预后越好，预后指数越大，预后越差。 有a，44，表17.1425例患者用两种治疗方法生存时间，a，45，治疗方案(group )为研究因素，肾功能(kidney )为拥挤因素。 得到的Cox比例风险模型是根据表17.15例17.5资料的Cox回归模型和变量的Walds检验变量系数的标准误差z值p、a、46，生成Cox比例风险函数或a， 47、得到分析结果(结果解释)的肾功能正常者接受b方案的治疗比a方案在某时刻死亡的相对危险度肾功能异常者接受b方案的治疗比a方案在某时刻死亡的相对危险度，a、48，肾功能异常

14、者接受b方案的治疗比肾功能正常者在a方案在某时刻死亡的相对危险度，a、49，总结1材料和方法病例源、开始事件、终点事件、观察结束时间、截止情况、随访结果的获得方法、样品含量、截止件数和百分比(% )。 数据库方法统计学处理方法建立了kalan-meier法的估计生存率log-rank检验，用组间生存率比较Cox模型进行多因素分析，a、50、2的结果估计了kalan-meier生存率和生存曲线。 比较： log-rank验证卡方值及其p值。 因子分析和预测：变量代入(量化方法)表变量统计描述：各组病例数和构成比(分类变量)平均数和标准偏差(数值变量)变量的筛选方法和检验水平Cox回归结果和统计解

15、释，a，51，Cox回归和多元线性回归，logistic回归的比较，a， 52、案例分析某研究人员在确诊后观察26例采用同样方法化疗的急性混合性白血病患者，想知道某不良染色体是否影响患者病情缓解，并对治疗后120天内症状是否缓解作出结果变量(缓和0； 没有缓解1 )，以有无不良染色体为研究因素。 整理资料参照下表。 有无不良染色体和缓和的关系考虑到不良染色体缓和不缓和率() 5131827.8、35837.5、合计8182630.8例数少，采用Fisher确定概率法得到了P0.667，但认为不良染色体影响了病情的缓和、a、54，在这种情况下的结果不可靠。 原因是两个比较组之间影响其他患者病情缓解的因素不一定均衡，因此年龄(岁)、骨髓原幼细胞组(501； 500 )，CD34表达(阳性1； 阴性0 )，性别(男性1； 女性0 )的作用。a，55，多要素logistic回归分析结果要素回归系数Wald卡方POR染色体1.4571.1610.2814.29骨髓原幼子2.9614.7780.02919.2细胞组采用多要素logistic回归分析，阶段性地在0.10水平上骨髓原幼子。 有临床医生指出，a、56，仅考虑是否缓解是不够的，如果进一步利用缓解时间的